4、SPSSAU输出结果
此表格展示出典型变量的提取情况，上表中共显示有5个典型变量被提取出来，在进行F
检验时显示，其中仅2个典型变量是呈现出0.01水平的显著性，因此，最终应该以两个典型变量为准进行后续研究。并且第一个典型变量的相关系数值为0.763，第二个典型变量为0.706，相关系数值较高，说明典型变量之间有着紧密的正向相关关系。此步骤非常重要，共提取出2个典型变量，并且直接得出典型变量对的相关关系情况(即X组和Y组之间的相关关系情况)。
通俗上讲，即可理解为总共X组7项指标，与Y组5项指标之间，最终可由两个典型变量对进行浓缩提取表示，而且此2个典型变量间的相关系数值均高于0.7，说明X组和Y组之间有着非常紧密的正向相关关系。
特别提示
上表格显示共提取出5个典型变量，因而接下来共3个表格均会以5个为准展示信息；但是仅2个典型变量呈现出显著性，因此，在具体分析时，仅分析对应的2个典型变量即可，其余3个没有呈现出显著性的典型变量不需要深入分析。
典型变量是成对出现的，比如当前两个典型变量分别是典型变量1和典型变量2；下述分析时会出现典型变量X1和典型变量Y1；典型变量X2和典型变量Y2。
上表格共展示出两项信息，分别是典型变量与X组7项指标的数学表达式(典型系数)，以及典型变量与X组7项指标之间的相关关系(典型载荷系数)；
从数学表达式上看可列出为如下：
典型变量X1 =
-0.015*x1-0.014*x2-0.002*x3-0.009*x4-0.004*x5-0.001*x6-0.002*x7
典型变量X2 =
0.008*x1-0.010*x2+0.000*x3+0.005*x4+0.010*x5+0.004*x6-0.008*x7
典型变量X3 =
0.037*x1-0.012*x2+0.000*x3-0.002*x4-0.007*x5+0.017*x6-0.002*x7
典型变量X3 =
-0.021*x1+0.011*x2+0.000*x3-0.019*x4+0.005*x5+0.013*x6-0.010*x7
典型变量X5 =
0.028*x1-0.006*x2+0.000*x3-0.021*x4-0.002*x5-0.007*x6+0.019*x7
从典型变量与X组7项指标的相关关系来看，其相关关系情况由典型载荷系数值表示，典型载荷系数绝对值越大说明该项与典型变量之间的相关关系越强：上述分析显示共有2个典型变量呈现出显著性，因而上表格的分析应该着重于研究此2个典型变量。典型变量X1与X组7项的相关关系(载荷系数)值分别是：-0.598，-0.751，-0.316，-0.296，-0.306，-0.277。典型变量X2与X组7项的相关系数(载荷系数)值分别是：0.311，-0.510，-0.118，0.039，0.773，-0.060，-0.163。
如果用图示表示的话，如下面两图所示：
上图非常直接的展示出第1个典型变量与7个指标之间的相关关系情况，明显的，典型变量与X1(反向横向跳),X2(纵跳)的关系很强，即典型变量更多地提取X1(反向横向跳),X2(纵跳)这两项的信息。
上图非常直接的展示出第2个典型变量与7个指标之间的相关关系情况，明显的，典型变量与X2(纵跳)，X5(台阶试验指数)的关系很强，即典型变量更多地提取X2(纵跳)，X5(台阶试验指数)这两项的信息。
上表格共展示出两项信息，分别是典型变量与Y组5项指标的数学表达式(典型系数)，以及典型变量与Y组5项指标之间的相关关系(典型载荷系数)；
从数学表达式上看可列出为如下：
典型变量Y1 =
0.271*y1-0.001*y2-0.012*y3-0.010*y4-0.000*y5
典型变量Y2 =
-0.353*y1-0.004*y2-0.016*y3+0.002*y4-0.005*y5
典型变量Y3 =
0.150*y1+0.001*y2+0.010*y3-0.021*y4-0.004*y5
典型变量Y4 =
0.206*y1-0.003*y2+0.059*y3+0.035*y4+0.002*y5
典型变量Y5 =
-0.238*y1-0.000*y2+0.042*y3-0.042*y4+0.001*y5
从典型变量与Y组5项指标的相关关系来看，其相关关系情况由典型载荷系数值表示，典型载荷系数绝对值越大说明该项与典型变量之间的相关关系越强：上述分析显示共有2个典型变量呈现出显著性，因而上表格的分析应该着重于研究此2个典型变量。典型变量Y1与Y组5项的相关关系(载荷系数)值分别是：0.866，-0.777，-0.564，-0.733，0.358。典型变量Y2与Y组5项的相关系数(载荷系数)值分别是：-0.286，-0.446，-0.131，0.017，-0.300。
如果用图示表示的话，如下面两图所示：
上图非常直接的展示出第1个典型变量与5个指标之间的相关关系情况，明显的，典型变量与Y1(50米跑时间),Y2(跳远),Y3(投球),Y4(引体向上)的关系很强，载荷系数绝对值均大于0.5，即典型变量更多地提取Y1(50米跑时间),Y2(跳远),Y3(投球),Y4(引体向上)这4项的信息。
上图非常直接的展示出第2个典型变量与5个指标之间的相关关系情况，明显的，典型变量与Y2(跳远)的关系很强，载荷系数绝对值为0.446，即典型变量更多地提取Y2(跳远)的信息。
完成上述分析后，已经得出结论即：X组与Y组进行典型相关分析时，总共提取出两个典型变量对，典型变量对1更多地提取X1(反向横向跳),X2(纵跳)这两项的信息；典型变量对2更多地提取X2(纵跳)，X5(台阶试验指数)这两项的信息；典型变量对1更多地提取Y1(50米跑时间),Y2(跳远),Y3(投球),Y4(引体向上)这4项的信息；典型变量对2更多地提取Y2(跳远)的信息。除此之外，典型变量对1之间的相关系数值为0.763，并且典型变量对2之间的相关系数值为0.703，典型变量相关系数值均高于0.7，意味着X组7项指标与Y组5项指标之间有着非常紧密的正向相关关系。
接着进一步进行典型冗余分析，即了解典型变量对于研究数据的信息提取量情况。上表格展示5个典型变量分别对于X组或者Y组指标的信息提取情况；比如上表中典型变量X1可提取出X组7个指标20.325%的信息量，典型变量X1可提取出Y组5个指标11.826%的信息量。由于总共仅2个典型变量呈现出显著性，因而仅分析2项，而且只分析组内差异(即典型变量X与X组的信息提取，典型变量Y与Y组的信息提取)；
从上表可以看出：典型变量X1和典型变量X2对于X组7项指标的信息提取量分别是20.325%和14.293%，共计34.62%；以及典型变量Y1和和典型变量Y2对于Y组5项指标的信息提取量分别是46.751%和7.760%，共计)54.51%。